超越准确率：大语言模型统计推理的多维评估

英文标题：Beyond Accuracy: A Multidimensional Evaluation of Statistical Reasoning in Large Language Models

该研究指出，统计推理具有多维属性，但现有大语言模型（LLM）评估通常过度强调回答准确率。作者认为，仅衡量答案对错会忽视模型如何构建和传达统计解释。研究旨在展示多维评估的价值，为更全面地衡量 LLM 的统计推理能力提供依据。该论文以 arXiv:2608.03038v1 的形式发布。

2.6 KB 2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB